近年来,随着全社会文物保护意识的增强,基于计算机辅助的文物保护研究得到科研人员的广泛关注。文物图像分类技术,作为计算机辅助文物保护研究的重要组成部分,在文物管理、保护与开发方面具有重要的应用前景。本文在对图像分类算法研究的基础上,利用建立的文物图像数据库,开展对文物图像分类关键技术的研究工作,实现了适用于文物图像的特征提取与分类算法,主要研究成果如下:1.本文通过网络以及实地采集的方式,共收集到700张文物图像,建立了文物图像数据库,为本文的研究奠定了基础。2.文物图像特征提取方面。在分析和研究文物图像特点以及常用视觉特征的基础上,本文运用HSV颜色空间对文物图像提取颜色直方图特征;运用Gabor滤波器提取文物图像的纹理特征;运用SIFT、HOG特征的尺度、旋转和光照不变性,提取文物图像的局部特征信息。本文提取的上述四种特征从全局、局部等多角度描述了文物图像的特征信息。3.特征融合方面。为了实现单一特征间的优势互补,提出采用单一特征分类准确率,确定图像特征权重的加权多特征融合方式,同时在对权重计算方式研究的基础上,本文利用图像距离各类类中心的距离,定义了一种新的图像所属各类的权重取值方式,通过计算基于不同特征的图像所属各类准确率与对应权重乘积之和确定图像所属类别,从而实现了加权的多特征决策融合。4.分类器设计方面。针对传统二叉树SVM分类存在的错误累积现象,本文提出采用一种改进的二叉树SVM多分类器进行分类。首先利用模糊C均值聚类算法精确确定各类文物图像类中心,然后计算各类类间距以度量不同类间的相似度,并根据各类间相似度确定不同类的分类次序。基于以上研究的特征提取与分类方法,本文整体实现了文物图像分类算法,并在收集的文物图像数据库上验证了算法的有效性。